GitHub Copilot

GitHub Copilot：一位真实用户的诚实概述

我每天使用 GitHub Copilot 大约八个月，涉及 Python、JavaScript、TypeScript 和一些 Go。它被宣传为“AI 结对程序员”，但这个标签有点夸大其词。实际上，Copilot 是一个强大的自动补全引擎，对代码上下文有很好的理解。它不会思考或规划——它只是预测。以下是这实际意味着什么。

它的优点

• 样板代码和重复代码：Copilot 擅长生成可预测的模式。编写 REST API 端点？输入路由和函数签名，它通常会填充请求解析、错误处理和 JSON 响应。例如，在 Django 视图中，输入 def get_user(request, user_id): 后，Copilot 建议了完整的 try-except 块，包含 User.objects.get(id=user_id) 和 404 响应。每个端点为我节省了大约 15 秒。

• 内联补全速度：实时建议（通过按 Tab 触发）是其最强功能。当我编写一个遍历字典列表的循环时，Copilot 经常用正确的键访问模式完成 for item in data: 块。它并非总是正确，但它的速度足够快，接受错误的建议并修复它通常比从头输入更快。

• 从你的代码库学习：与通用 AI 工具不同，Copilot 会适应你项目的风格。如果你一致使用 snake_case 和特定的导入模式，它的建议会与之对齐。在一个有自定义错误类的项目中，我使用了几次后，它开始在异常处理器中使用它们。

• 注释到代码：写一条像 # validate email format 的注释，看到 Copilot 生成正则表达式或库调用，对于一次性任务确实有用。但对于复杂逻辑，它并不可靠——你仍然需要仔细检查输出。

局限性

• 上下文盲区：Copilot 只能看到当前文件大约 2,000 个令牌和有限数量的打开标签页。它不了解你的完整项目架构。有一次，它建议调用一个模块中不存在的函数，因为它看到了另一个文件中的类似模式。你必须手动验证导入、函数名和依赖项。

• 安全性和正确性：Copilot 生成的代码看起来正确，但通常有微妙的错误。它经常发明不存在的 API 方法，使用已弃用的库版本，或编写 SQL 注入漏洞（例如，查询中的字符串插值）。我曾发现它在用户输入处理器中生成 eval() 调用。未经测试，永远不要信任它的输出。

• 没有推理能力：它无法调试或解释其建议。如果你问“为什么生成那个？”，你会得到沉默。它是一个模式匹配器，而不是推理引擎。

• 许可证问题：Copilot 是在公共 GitHub 仓库上训练的，包括 GPL 许可的代码。如果你在开发专有产品，你可能面临许可证污染的风险。GitHub 提供了一个“重复检测”功能，可以阻止与已知开源代码匹配的建议，但并非万无一失。

关键工作流程

1. 内联补全：主要工作流程。输入代码，接受 Tab 建议，但始终阅读输出。我通常接受约 60-70% 的建议，但编辑其中的 90%。

2. 聊天（Copilot Chat）：可作为侧边栏或内联使用。对于询问“如何按嵌套键对这个字典列表排序？”很有用，但对于多步骤任务则不太可靠。聊天版本可以解释代码，但解释通常模糊或错误。

3. 代码审查：Copilot 可以突出显示潜在的错误（例如，未使用的变量、空指针风险），但会遗漏许多实际问题。它比没有好，但比人类审查者差。

定价现实

• 免费层：每月 2,000 次补全和 50 次聊天请求。这对于偶尔使用足够了，但如果你每天编码，很快就会达到限制。

• 专业版（每月 10 美元）：无限补全和聊天。这是专业用户的理想选择。